基于RSSI测距的传感器节点质心定位修正算法

针对传感器网络节点定位精度问题,研究基于RSSI测距的定位算法,提出多信标节点质心定位修正算法,通过该算法计算得到多组未知节点估计坐标,并在此基础上利用质心定位修正算法计算节点坐标修正值;利用仿真实验,证明基于RSSI测距的传感器节点质心定位算法定位精度比传统质心定位算法定位精度提高13.8%,比RSSI加权质心定位算法提高6.3%。     

基于RSSI的WSNs加权质心定位算法的改进

针对无线传感器网络(WSNs)定位算法定位精度不高的问题,提出了一种基于RSSI测距的质心(Centroid)算法和加权质心(W-Centroid)定位算法相结合的新的定位方法WR-Centroid.该算法主要通过RSSI测距得出4个参考节点到未知节点的距离,再任选3个距离为半径,以相应的参考节点为圆心画圆得到3个圆的交叠区域,构成一个三角形,求出这个三角形的质心.依照这种方法,求得4个质心坐标,利用加权质心定位算法求出未知节点的坐标.仿真结果表明:该算法比加权质心定位算法精度有很大的提高.     

基于RSSI的无线传感器网络修正加权质心定位算法

提出了一种基于接收信号指示强度(RSSI)的修正加权质心定位算法,它区别于以往的加权质心定位算法,在该算法中采用测试距离倒数之和代替距离和的倒数作为权重,同时提出了修正系数的概念,避免了信息淹没现象,提高了定位精度。仿真结果表明,本文算法定位精度较之前的加权质心定位算法有了明显提高,最高可达17.83%。     

基于误差修正技术的井下人员MEMS定位方法

针对矿井安全对井下人员位置信息精度和连续性提出的更高要求,提出一种基于误差修正方案的井下人员MEMS定位技术。依据加速度计输出比力均值和方差判定人员步态识别并完成脚部静止时间段的检测,结合零速误差修正工作原理,改进传统卡尔曼滤波方案,完成人员静止状态下运动信息计算误差和惯性器件偏差的滤波估计与补偿。搭建MEMS惯导系统实验平台,设计加速度方差阈值获取实验以及人员水平与三维运动实验。实验结果表明,基于误差修正技术的人员定位方法具有较高定位精度和可靠性。     

基于RSSI测距误差修正的改进型DV-distance差分定位算法

DV-distance是一种基于多跳机制的定位算法,其相邻节点间的距离通过RSSI测距技术实际测量得到。为了减少RSSI测距误差对定位精度的影响,首先对RSSI测距误差进行修正,再对已有的信标节点间计算距离误差修正值的方法作进一步改进,提出一种基于RSSI测距误差修正的改进型DV-distance差分定位算法。仿真结果表明,相比已有的定位算法,该改进算法不仅能提高节点的定位精度,还能减少网络通信开销及计算复杂度。     

基于节点映射的井下无线传感器网络定位算法

针对目前井下定位算法对未知节点不在锚节点组成区域内的情况考虑不全面,从而导致定位误差较大的问题,提出了一种基于节点映射的改进加权质心定位算法。该算法对未知节点不在锚节点组成区域内的情况进行节点映射处理,并通过改进加权质心定位算法求锚节点的多个质心,通过质心节点对未知节点进行定位。仿真结果证明,该算法可以提高节点的定位精度。     

基于RSSI校正的无线传感器网络定位算法

为了使接收信号强度指示（RSSI）的测量误差对节点定位精度的影响程度达到最小化,提出一种基于RSSI高斯加权校正的质心定位算法.首先通过高斯函数滤去偏差较大的RSSI值,然后再对余下的RSSI值加权计算得到优化的RSSI测量值,并利用测量到的RSSI值计算出锚节点与未知节点之间的距离,然后根据计算出的距离对锚节点坐标加权,并通过质心定位算法求出未知节点的位置坐标.仿真实验表明：该算法相比基于RSSI的质心定位算法,定位覆盖率提升3％～6％,平均定位误差至少减少4％,是一种定位精度更高的算法.     

基于RSSI的三维加权质心定位研究

本文提出了一种基于接收信号强度值（Received Signal Strength Indication, RSSI）的三维加权质心定位方法,并在其中引入通信半径的概念,提出两个不同的算法,同时在算法中加以修正。通过在一定范围的空间区域中的仿真实验表明,本文提出的算法具有很高的定位精度和广泛的适用范围。     

基于RSSI差分修正的加权质心定位算法

为了抑制接收信号强度指示(RSSI)误差对无线传感器网络节点定位精度的影响,从消除RSSI误差的角度,提出了一种基于对RSSI距离值差分修正的加权质心定位算法。该算法计算简单,无需硬件扩展,仿真结果表明:该算法比传统算法有更好的定位性能。     

基于RSSI的KNN-PIT室内自适应定位算法

针对基于接收信号强度指示(RSSI)的K最近邻(KNN)算法在室内定位精度较低的问题,提出一种改进的KNN-三角形内点(KNN-PIT)室内定位算法.根据室内空间结构特征,建立具有类标号的位置指纹库.引入虚拟参考点,利用PIT原理进一步约束目标点的定位区域,自适应地使用定位算法进行定位.综合运用高斯滤波、均值滤波技术,降低离线和在线阶段的信号随机误差.结果表明:改进后的KNN-PIT定位算法可以更好地估计用户的实际位置,降低定位误差,定位精度提高12.5％.     

一种基于RSSI校正的三角形质心定位算法

节点自定位一直是无线传感器网络中的关键,基于接收信号强度指示(RSSI)的定位技术是目前的研究热点,但由于多径、绕射、非视距的影响,产生的距离误差较大.提出了基于RSSI校正的三角形质心定位算法,该算法简单,不增加通信开销,无需硬件扩展.仿真实验表明:该算法较其他算法大大提高精度,适合通信开销小、硬件要求低的无线传感器网络节点.     

基于改进花授粉算法的RSSI定位方法

针对接收信号强度指示(RSSI)定位算法中采用最小二乘法计算未知节点位置时其定位精度受测距误差影响较大、花授粉算法易陷入局部最优等问题,提出了一种基于改进花授粉算法的RSSI定位方法。从花粉步长权重、局部变异方面对花授粉算法进行改进,采用改进花授粉算法进行未知节点位置估算。仿真结果表明:本文算法的定位精度高,稳定性好,适用于定位精度和稳定性要求较高的场景。     

WSN中基于改进的RSSI定位算法研究

降低节点定位误差是无线传感网一直不断改进的方向。在RSSI定位算法的基础上,引入加权概念降低定位误差。首先针对定位算法中RSSI均值不准确的问题,采用常态分布处理,通过似然函数来获得RSSI的阈值,从而避免均值过大的情况;其次通过权值因子来分配锚节点与未知节点之间估算距离的权重。在MATLAB仿真实验平台中,与其他算法在通信半径和锚节点密度等条件下的相比发现,文中算法具有比较好的效果。     

基于测距修正和位置校正的RSSI定位算法

在基于接收信号强度指示(RSSI)的无线传感器网络节点定位问题中,为了提高节点的定位精度,通过对无线电传播路径损耗模型的分析,提出了基于RSSI测距的改进距离估计公式。针对已有节点校正方法存在的不足,提出了将一次循环校正后所有校正坐标的质心作为新的节点位置的校正方法。实验结果表明,改进的距离估计公式有效地提高了节点间的距离精度,并在适当增加节点计算量前提下,节点位置校正使节点的定位精度更高,达到良好的定位效果。     

一种基于RSSI的AOA估计算法

在无线传感器网络（WSNs）中,使用阵列天线进行到达角（AOA）估计存在成本昂贵和算法复杂度高的缺点,提出了一种基于接收信号强度指示（RSSI）的AOA估计算法。利用2个旋转的方向图部分重叠的定向天线接收RSSI值,通过双方向图求差法估计目标节点的AOA。实验结果表明：室内实验的AOA估计平均误差为6．7°,室外的平均误差为0．6°。该算法复杂度小,硬件成本低,适用于WSNs的节点定位。     

基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSSI（Receive Signal Strength Indicator）的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。